论文部分内容阅读
胃癌是全世界最常见的癌症之一,也是癌症相关死亡的主要原因之一。胃腺癌是最常见的类型。由于胃癌起病隐匿,大多数患者就医时已经进入进展期。进展期胃腺癌的主要治疗方式是手术治疗。术前准确的诊断、评估和预后预测是获得精准治疗决策的基础。由于肿瘤具有时间和空间异质性,因此术后病理分级分期、术前活检、基因检测等评估预后方式都具有一定的局限性。随着人工智能技术广泛应用于医学图像领域,影像组学和病理组学技术应运而生并且为解决上述问题提供了新思路。目前影像组学和病理组学已经分别在胃癌的诊断与鉴别诊断、分级分期、预后预测和疗效评估等研究领域都取得了优异的研究成果并且形成了较为成熟的技术架构,融合影像组学和病理组学技术构建预测进展期胃腺癌病理分级和预测预后的模型不仅可以从多维度、实时、无创地反映肿瘤的异质性,并且可以为临床医生精准诊疗方案的制定提供重要依据,目前尚未见报道。本研究共分为两部分,具体方法和取得的成果如下:第一部分基于进展期胃腺癌患者术前腹部增强CT静脉期图像构建预测进展期胃腺癌分级模型。共纳入186例经病理证实且完成胃癌根治术的进展期胃腺癌患者,以术后病理分化程度作为分组标准将患者分为高级别胃腺癌组（36例）和低级别胃腺癌组（150例）。所有纳入研究的患者按照7:3的比例随机分为训练集（131例）和独立验证集（55例）。影像科医生对患者术前增强CT静脉期图像肿瘤区域进行手动分割,提取感兴趣区影像组学特征,基于单因素、多因素回归分析及最小绝对收缩和选择算子回归算法进行特征筛选,获取与进展期胃腺癌分级高度相关的影像组学特征并训练得到影像组学线性计算公式。之后融合临床数据构建影像组学与临床的融合模型即列线图并进行评估和验证。最后,绘制受试者工作特征曲线评价影像组学模型和融合模型的进展期胃腺癌术前分级预测性能,校准曲线和决策曲线用于评估与比较两种模型的临床应用价值。本部分研究共筛选出与进展期胃腺癌分级高度相关的17个影像组学特征,其中一阶特征5项,纹理特征12项。纳入的临床信息包括患者的年龄、性别、手术方式、甲胎蛋白（Alpha Fetoprotein,AFP）、癌胚抗原（Carcinoembryonic Antigen,CEA）、糖类抗原199（Carbohydrate Antigen 199,CA199）。影像组学模型训练集AUC值为0.763（准确度:0.664;灵敏度:0.638;特异度:0.769）。验证集的AUC为0.747（准确度:0.655;灵敏度:0.622;特异度:0.800）。融合模型在训练集中获得的AUC为0.753（准确度:0.779;灵敏度:0.819;特异度:0.615）,验证集AUC值为0.724（准确度:0.818;灵敏度:0.889;特异度:0.500）。最后使用De Long检验用来评价单一影像组学模型和融合模型的预测效能。结果表明:影像组学模型与融合模型对进展期胃腺癌分级的术前预测效能都较好,并且两种模型在预测效能上没有显著差异（P=0.88）。第二部分基于进展期胃腺癌患者术前腹部增强CT静脉期图像和术后数字病理图像,利用影像组学技术和病理组学技术构建术前预测术后2年生存风险模型。共纳入126例经病理证实且完成胃癌根治术的进展期胃腺癌患者,以患者术后2年内是否出现死亡结局为分组标准将患者分为高风险组（52例）和低风险组（74例）。所有入组患者按照7:3比例随机分为训练集（87例）和独立验证集（39例）。首先搜集患者术前腹部增强CT静脉期图像并人工勾画肿瘤区域,提取影像组学特征并进行筛选,构建影像组学模型。同时搜集患者术后病理切片,扫描为全数字病理图像,人工粗分割肿瘤区域,经过图像归一化、剪切扩增等预处理,从病理图像中提取病理组学特征并构建病理组学模型。将前述提取的影像组学特征和病理组学特征融合后再次重新进行特征筛选,得到与患者术后2年生存风险高度相关的特征并利用其构建融合模型。最后评估此三种模型对进展期胃腺癌患者术后2年生存风险的预测效能。本部分研究首先从入组病例的术前腹部增强CT静脉期图像中提取到44个与进展期胃腺癌患者术后2年生存风险具有高相关性的影像组学特征,其中一阶特征14项,纹理特征30项。构建预测进展期胃腺癌患者术后2年生存风险的影像组学模型。训练集获得AUC值为0.770（准确度:0.579;灵敏度:0.647;特异度:0.857）。验证集的AUC为0.714（准确度0.577;灵敏度:0.667;特异性:0.786）。其次从入组病例的术后数字病理图像中提取到2个与患者术后2年生存风险有高度相关的病理组学特征,其中一阶特征1项,纹理特征1项。建立对进展期胃腺癌患者术后2年生存风险预测的病理组学模型,训练集AUC值为0.822（准确度:0.614;灵敏度:0.743;特异度:0.830）;验证集的AUC为0.864（准确度:0.632;灵敏度:0.867;特异度:0.739）。最后经过筛选后获得并融合1项影像组学特征和2项病理组学特征的融合模型获得的AUC为0.830（准确度:0.614;灵敏度:0.743;特异度:0.743）,验证集AUC值为0.904（准确度:0.632;灵敏度:0.867;特异度:0.867）。结果显示融合模型效能略高于单一的影像组学或病理组学模型,根据融合模型对应的权重系数病理组学特征在融合模型中所起的作用占比略高于影像组学特征。综上所述,本研究所得进展期胃腺癌术前预测分级模型能够客观、无创的反映肿瘤的病理分级状态。联合影像组学与病理组学预测进展期胃腺癌术后2年生存风险模型能够客观、准确的预测患者预后。这两种模型证实了影像组学和病理组学特征在进展期胃腺癌患者分级与预后判断中的效能和潜在价值,为临床医师术前明确诊断与制定治疗方案相关的决策提供客观和准确的依据,辅助临床医师对进展期胃腺癌患者制定个体化的精准诊疗方案。从而改善患者预后,提高生存质量。